Un système d’apprentissage pervasif intégrant des activités de travail et de formation

Cuong Pham-Nguyen Département Informatique,

Institut TELECOM / TELECOM- Bretagne CS 83818, 29238 Brest Cedex3, France

cuong.nguyen@telecom-bretagne.eu

Serge Garlatti Département Informatique,

Institut TELECOM / TELECOM- Bretagne CS 83818, 29238 Brest Cedex3, France

serge.garlatti@telecom-bretagne.eu

RESUME Dans le projet p-LearNet, nous nous intéressons aux systèmes TEL contextuels intégrant des activités d’apprentissage et de travail pour le « e-retail » (magasins et hypermarchés). Les principaux enjeux du projet p-LearNet sont : apprentissage intégré au travail et apprentissage du client quel que soit le lieu, l’heure, les contextes organisationnels et technologiques des processus d'apprentissage et de travail individuels ou collectifs. Nous proposons un modèle du scénario contextuel et adaptatif pour un système d'apprentissage pervasif. Ce modèle nous permet de choisir comment accomplir des activités en fonction de la situation courante. Le modèle de scénario est fondé sur un modèle de tâches hiérarchiques muni du paradigme tâche/méthode – la méthode définit comment réaliser une tâche ; une tâche représente une activité. Le processus d’adaptation contextuel sélectionne des méthodes pertinentes en fonction de la situation courante.

ABSTRACT In the p-LearNet project, we are interested in TEL systems integrating context-aware corporate learning and working activities for e-retail (shops and hypermarkets). The main issues of the p-LearNet project are: work-integrated learning and customer learning support whatever the place, the time, the organisational and technological contexts of the individual or collective learning and working processes. We propose an adaptive and context-aware model of scenario for a pervasive learning system. This model enables us to choose how to achieve activities according to the current situation. The scenario model is based on a hierarchical task model having the task/method paradigm - methods define how to achieve a task, a task represents an activity. The context-aware adaptation process selects the relevant methods according to the current situation.

Categories and Subject Descriptors : H.4 [INFORMATION SYSTEMS APPLICATIONS]

General Terms : Design

Keywords Apprentissage Pervasif, Contextuel, Adaptation, Paradigme Tâche/Méthode, Modèle de Tâches Hiérarchiques, Situation d’Apprentissage et de Travail.

1. INTRODUCTION Aujourd'hui, les systèmes « Technology-Enhanced Learning » (TEL) doivent avoir la capacité à réutiliser des ressources d'apprentissage à partir de grands entrepôts de données, à prendre en compte le contexte et à permettre une adaptation dynamique aux différents apprenants fondée sur des avances substantielles dans des théories pédagogiques et des modèles de connaissances [1]. C’est plus particulièrement pertinent pour l'apprentissage mobile. Dans ce domaine, plusieurs expressions sont utilisées : les systèmes d’apprentissage pervasifs, ubiquitaires, mobiles, ambiants et nomades. Il est nécessaire de clarifier le sens de celles-ci. En informatique, Youngjin et Lyytinen ont défini les termes suivants : mobile, ubiquitaire et pervasif [2]. L'informatique mobile est essentiellement fondé sur un accroissement de la capacité à déplacer physiquement l’environnement informatique avec nous, à l’aide de dispositifs légers et / ou par un accès à des capacités de calcul à travers le réseau. Dans l'informatique mobile, le modèle de calcul ne change pas vraiment pendant qu’on se déplace. C'est une limite importante. En informatique pervasive, les ordinateurs ont la capacité à obtenir des informations de leur environnement et de les utiliser pour construire des modèles de calcul dynamiques. En d'autres termes, l'ordinateur est capable d'adapter son modèle de calcul en fonction de son environnement. Par conséquent, un enjeu important est l'acquisition et la gestion d'un modèle du contexte qui décrit l’environnement physique et les objectifs du système. L’informatique ubiquitaire intègre la mobilité à grande échelle avec la fonctionnalité de l’informatique pervasive. Nous considérons que ces expressions sont synonymes du point de vue de l’apprentissage. Ils sont utilisés pour mettre en évidence une propriété en particulier dans différents systèmes d'apprentissage [3-5]. Généralement, ce type de systèmes d'apprentissage a toutes les propriétés de l’informatique mobile, ubiquitaire et pervasive. Par contre, d'autres approches font des différences entre eux. Selon Derycke, l’apprentissage ubiquitaire utilise l'informatique ubiquitaire pour supporter le processus d'apprentissage en ajoutant des environnements physiques à la mobilité tandis que l'apprentissage pervasif réfère à la communication pervasive (plus télécoms) [6]. Selon Otaga et Yano, l’apprentissage pervasif et mobile sont deux sous-catégories de l'apprentissage ubiquitaire [7]. Brodersen Chistensen ont différencié l’apprentissage nomade

Permission to make digital or hard copies of all or part of this work for personal or classroom use is granted without fee provided that copies are not made or distributed for profit or commercial advantage and that copies bear this notice and the full citation on the first page. To copy otherwise, or republish, to post on servers or to redistribute to lists, requires prior specific permission and/or a fee. UbiMob’08, May 28–30, 2008, Saint-Malo, France. Copyright 2008 ACM 978-1-59593-980-7/08/05…$5.00.

65

en insistant sur la localité de lieux physiques bien équipées considérés comme « oasis » [8].

Dans l'apprentissage mobile, l’objectif principal est d'intégrer les activités d'apprentissage dans la vie quotidienne ou au travail au moyen de dispositifs légers et de réseaux de communications. Néanmoins, l’apprentissage mobile, ubiquitaire ou pervasif n’est pas uniquement l'apprentissage utilisant des dispositifs légers, mais aussi l’apprentissage au travers de contextes. Ces systèmes sont principalement des outils de médiation dans le processus d'apprentissage [9]. Plusieurs définitions sont proposées dans la littérature [3, 5, 10, 11]. Nous pouvons citer les suivantes : « It is “always on” education that is available 24 hours a day, 7 days a week, anywhere, at any time. Pervasive learning is a social process that connects learners to communities of devices, people, and situations so that learners can construct relevant and meaningful learning experiences, that they author themselves, in locations and at times that they find meaningful and relevant » [5] ou « Pervasive learning environment is a context (or state) for mediating learning in a physical environment enriched with additional site-specific and situation dependent elements – be it plain data, graphics, information -, knowledge -, and learning objects, or, ultimately, audio-visually enhanced virtual layers » [3]. Dans l'apprentissage pervasif, nous sommes intéressés par les enjeux suivants : la combinaison de l’apprentissage formel (à l'école) et informel (à l’extérieur, à la maison, au travail, etc.), l'intégration de dispositifs mobiles dans des scénarii éducationnels plus large, « context-as-construct » et l'apprentissage sans rupture au travers des différents contextes [1, 9]. Par ailleurs, le projet p-LearNet doit intégrer l'apprentissage contextuel et les activités de travail dans un domaine particulier : « e-retail » (la vente dans des magasins et hypermarchés). Les scénarios sont utilisés pour décrire les activités d'apprentissage, de travail et de tutorat pour acquérir certaines connaissances et savoir-faire du domaine afin de résoudre un problème particulier ou supporter des situations de travail. L'analyse des scénarios a montré que les activités d'apprentissage et de travail pouvaient être modélisées par un modèle de tâches hiérarchiques notamment parce que celles-ci sont bien structurées et relativement stables dans le temps – assurant la pérennité du scénario. Les activités, représentées par les tâches, ne peuvent pas être réalisées de la même manière en fonction des différentes situations. Il est donc nécessaire d’avoir un mécanisme sensible au contexte et adaptatif pour décider comment réaliser une activité en fonction d'une situation donnée.

La principale contribution de ce papier est un modèle de scénario adaptatif et sensible au contexte fondé sur une approche interdisciplinaire (éducation, informatique, sciences sociales, et des affaires) pour un système d'apprentissage pervasif supportant des activités d’apprentissage et de travail. Le modèle de scénario est fondé sur un modèle de tâches hiérarchiques muni du paradigme tâche/méthode. Une activité est représentée par une tâche ayant plusieurs méthodes associées. Une méthode représente un moyen d’accomplir une tâche dans une situation particulière. Ce modèle nous permet de choisir la façon de réaliser des activités en fonction de la situation courante. Nous avons défini un modèle du contexte pour gérer des contextes dynamiques – « context-as-construct ». Le processus d’adaptation contextuel peut être vu comme la sélection des méthodes pertinentes pour une tâche donnée en fonction de la situation courante de travail et / ou d'apprentissage.

Tout d'abord, les objectifs du projet P-Learnet sont présentés. Deuxièmement, nous présentons notre modèle de scénario et ses liens avec le modèle du contexte. Troisièmement, le modèle de contexte et son organisation sont analysés et expliqués. Quatrièmement, la gestion du contexte, la détection et la création de nouvelles situations sont explicitées. Cinquièmement, le processus d'adaptation, qui relie les modèles de contexte et de scénario et la gestion du contexte, est présenté. Enfin, nous donnons la conclusion en appuyant sur résultats principaux de cette étude et quelques perspectives.

2. LE PROJET P-LEARNET Les enjeux principaux du projet de p-LearNet sont : l'apprentissage intégré aux activités de travail et l’aide au client, la formation continue sur le lieu de travail, l'apprentissage professionnel quelque soit le lieu, l’heure, les contextes organisationnels et technologiques des individus ou des groupes d’apprenants, le contexte vu comme une construction dynamique en fonction des interactions avec l’environnement et l’apprentissage sans rupture. La conception et la technologie des systèmes d’apprentissage pervasifs doivent être considérées comme un problème interdisciplinaire exigeant l'intégration de différentes approches scientifiques : de l'informatique, des sciences de l’éducation, du commerce et des sciences sociales, etc. Dans le contexte de nos partenaires industriels, plusieurs scénarios innovants ont été définis. Deux cas principaux ont été identifiées pour un vendeur et des clients potentiels : i) Le vendeur ou le client, en dehors du magasin : le vendeur dans son bureau ou dans les rayons, le client à la maison ou à tout autre endroit ; ii) Le vendeur dans son rayon, seul ou avec un client ayant des ressources, des équipements « intelligents » qui l’entourent (grands écran d'affichage à cristaux liquides, imprimantes, puces RFID, etc.) [6].

Dans des hypermarchés, le contexte évolue en continue pendant la vente : un vendeur peut communiquer avec des clients tout en mettant à jour ses connaissances, vérifier l'inventaire ou entrer en contact avec le fournisseur au sujet des produits, etc. En situation de travail, un vendeur a pour tâche principale la vente et la gestion des produits de son rayon, mais parfois les activités de travail et d’apprentissage sont fortement imbriquées dans un environnement pervasif. Une partie substantielle de l’apprentissage ne se produit pas pendant une période de formation mais plutôt pendant l'exécution d'activités professionnelles. L'aide à ces deux types d‘activités doit donc être parfaitement intégrée. Le système d’apprentissage pervasif doit surmonter trois obstacles principaux : la pression du temps, l’aide à l’apprentissage non pertinent dans le contexte courant et la rupture cognitive et structurelle entre le travail, la connaissance, et l'apprentissage [12]. Par exemple, un vendeur équipé d'une PTA (assistant personnel de formation) près de son rayon (sans client) peut mettre à jour ses connaissances au sujet des produits ou peut continuer son apprentissage pour améliorer ses connaissances ou il peut encore vérifier l'étiquetage ou peut accéder aux informations sur un produit. Pendant le processus de vente ou la phase de choix/décision, le vendeur peut utiliser son dispositif mobile pour mettre à jour ses connaissances des produits et des caractéristiques de la vente ou encore peut avoir un « coach » pour lui. Selon les activités courantes et passées de l’utilisateur, le système d’apprentissage doit choisir comment réaliser l'activité courante de manière pertinente, les ressources et les services de Web en fonction des changements de

66

contexte. D'ailleurs, l'état d'avancement des activités courantes, suspendues ou non terminées dans le passé, doivent être retrouvées et restaurées pour assurer l'apprentissage et le travail sans rupture - avec les activités passées. Les activités, les web services et les ressources appropriées peuvent être fournies en fonction de la situation courante de travail de l'utilisateur.

Par conséquent, notre but est de rendre possible des scénarios d'apprentissage sur différents dispositifs mobiles et ubiquitaires afin de supporter les activités d'apprentissage et de travail. Un modèle du contexte ne peut donc pas être un modèle statique. Au lieu de cela, nous devons concevoir un modèle dynamique et un mécanisme qui raffinent et génèrent dynamiquement des informations contextuelles associer à des interactions dans ces situations d'apprentissage au travail.

3. LE MODELE DU SCENARIO L'objectif du scénario est de décrire les activités d’apprentissage, de travail pour acquérir des connaissances et savoir-faire du domaine pour résoudre un problème particulier ou pour supporter les activités de travail1. Un scénario peut dépendre de plusieurs dimensions qui décrivent différentes situations d'apprentissage et de travail : le domaine d'apprentissage (thème, sujet du cours), l'apprenant (son savoir-faire et ses niveaux de connaissance), l’activité du tuteur / enseignant, de l'apprentissage, de travail et de tutorat (sa typologie, son organisation et sa coordination), les ressources (documents, outils de communication, outils techniques, etc.), la répartition de l'activité entre l’apprenant, l’enseignant et l’ordinateur, les « procédures » d’apprentissage de l’entreprise.

Le rôle principal d'un modèle de scénario est d'intégrer des dispositifs mobiles dans un scénario d’apprentissage et de travail plus large, l'apprentissage formel et informel et pour nous permettre de gérer la continuité de l’apprentissage au travers des différents contextes. Parce qu’un scénario décrit toutes les activités de l’utilisateur (avec ou sans dispositifs mobiles, activités d'apprentissage formels ou informels), un auteur peut gérer la cohérence globale de l’activité pour traiter notamment les enjeux mentionnés précédemment. L’analyse du scénario montre que les situations d'apprentissage et de travail peuvent être modélisées par un modèle explicite de tâches. En effet, les activités d'apprentissage et de travail sont bien structurées et stables. Plusieurs travaux de recherche en intelligence artificielle ont été réalisés sur les modèles de tâches hiérarchiques utilisant le paradigme tâche/méthode [13-15]. Dans un environnement d'apprentissage, le modèle de tâches hiérarchiques a également été utilisé pour la conception, par exemple, des outils auteur [16], des systèmes d'apprentissage [17-19]. Le mécanisme de décomposition hiérarchique et récursif d'un problème en sous-problèmes est l'une des caractéristiques fondamentales du modèle de tâches hiérarchiques [13-15]. Ce modèle est représenté par des ontologies et directement exécuté par le moteur de composition SCARCE [20]. Contrairement aux approches CCS [21] et K-MAD [22] qui sont dédiées à une approche de type : Ingénierie Dirigée par les Modèles.

1 Le but du scénario n’est pas de générer des IHMs, mais de structurer et générer dynamiquement un système d’information en ligne.

Dans un système d'apprentissage pervasif, les activités ne peuvent pas être réalisées de la même manière en fonction des différentes situations. Par conséquent, il est nécessaire d’avoir un mécanisme d’adaptation contextuel pour décider comment réaliser une activité en fonction d'une situation donnée. Dans le projet MODALES, un modèle de scénario adaptatif et contextuel a été proposé et mis en œuvre avec succès. Il a été fondé sur une approche interdisciplinaire (didactique, physique et son épistémologie, informatique et éducation), une communauté de pratiques des enseignants et un modèle de tâches hiérarchiques, ayant le paradigme tâche/méthode [23].

Dans un tel système, une activité est représentée par une tâche ayant plusieurs méthodes associées. Une méthode représente un moyen de réaliser une tâche dans une situation particulière. Ce modèle de tâches hiérarchiques a été réutilisé et modifié en fonction de nos nouvelles contraintes.

3.1 Le concept de tâche/ méthode Dans le cadre du paradigme tâche/méthode, les tâches représentent des activités et des sous-activités contrôlées par un système à base de connaissances. Une méthode décrit comment une tâche particulière peut être réalisée. Il existe deux types de tâches : tâche abstraite et tâche atomique. Une tâche atomique ne se compose pas de sous-tâches. Elle peut être réalisée par une procédure simple définie dans une méthode. Une tâche abstraite représente une activité à niveau d’abstraction plus élevé qui se compose de sous-activités. Les méthodes d’une tâche abstraite définissent la décomposition de cette tâche en sous-tâches qui peuvent être des tâches abstraites ou atomiques, elles contiennent la structure de contrôle qui permet la décomposition récursive des tâches en sous-tâches et aussi l'ordre d’exécution de ces sous-tâches. Pour une tâche donnée (abstraite ou atomique), plusieurs méthodes peuvent être employées pour la réaliser.

Les méthodes sont décrites par un descripteur de contexte et un descripteur de réalisation. Un descripteur de contexte est dédié à l'adaptation - choix des méthodes pertinentes. Il se compose d’un ensemble de propriétés ayant une correspondante dans le modèle de contexte. Un descripteur de réalisation définit comment accomplir la tâche correspondante. Ce descripteur se compose d'une ou plusieurs structures parmi les quatre structures suivantes : i) la structure de contrôle définit comment une tâche abstraite peut se décomposer en sous-tâches au moyen d'opérateurs. Actuellement, trois opérateurs sont employés : séquentiel, alternative et parallèle ; ii) la spécification du contenu identifie comment des ressources pertinentes sont sélectionnées pour la tâche en fonction de la situation courante ; iii) la spécification du service décrit comment assembler des (web) services pertinents pour réaliser la tâche courante ; iv) la spécification de procédure/fonction définit comment exécuter une procédure ou une fonction simple, qui est automatique (exécuté entièrement par le système) ou interactif (interaction entre l'utilisateur et l'application ou entre deux utilisateurs par l’application).

3.2 Le scénario d’apprentissage sur le lieu de travail Les scénarios d'apprentissage pervasifs sur le lieu de travail sont modélisés par une structure hiérarchique des tâches/méthodes représentant les activités d'apprentissage et de travail. Pour une présentation et exécution complètes du scénario, une autre catégorie est nécessaire : activités mixtes. Ainsi, les activités

67

d'apprentissage et de travail sont représentées par les tâches de travail, d'apprentissage ou mixtes. Dans la figure 1, le descripteur de contexte et la structure de contrôle de certaines méthodes sont représentés pour les différentes catégories de tâches.

Une tâche d'apprentissage représente une activité d'apprentissage. Il s'agit d'une activité de formation ou d'une activité d'apprentissage dans une situation de travail. Ce dernier vise à aider l'utilisateur à atteindre l'objectif de travail et d'améliorer ses connaissances et son savoir-faire du domaine. Une tâche de travail représente une activité de travail que l'utilisateur peut effectuer

dans son environnement professionnel. Une activité de travail peut être réalisée par plusieurs sous-tâches. Elle peut être considérée comme un sous-scénario qui peut être modélisé indépendamment. Une tâche atomique de travail est la plus petite activité de travail. Une tâche mixte est une tâche abstraite qui est composée de sous-tâches de deux premiers types. Le but est de mélanger les deux catégories de tâches afin de supporter un niveau d’activité plus abstrait dans le scénario d'apprentissage. Pour sélectionner une méthode d'une tâche donnée en fonction de la situation courante, ceci est fait en comparant la situation courante avec le descripteur de contexte de la méthode.

La figure 1 montre une partie du scénario Auchan2 qui représente la décomposition de la tâche mixte « S.1.3 » par une seule méthode « M13 » en une séquence de sous-tâches (S.3_T.1 et S.3_T.2). La décomposition de la tâche « S.3_T.1 » est faite par plusieurs méthodes (M131, M132, VM1321, VM1322, M133, M134). Chaque méthode est associée un ensemble de critères (le descripteur de contexte) qui définit la situation pour laquelle elle pourrait être sélectionnée, elle propose une décomposition de la tâche à laquelle elle est associée en sous-tâches, notamment au travers d’opérateurs déterminant l’ordre d’exécution des sous-tâches.

La méthode « M131 » a pour but de fournir au vendeur les deux activités disponibles (« S.3_T.1.1 – Vérifier l’information sur l’étiquette du produit » et « S.3_T.1.2 – réviser la connaissance du produit ») quand il passe en rayon sans la présence du client (Location = {Shelve}). La méthode « M132 » désigne une réalisation de la tâche « S.3_T.1 » pour le vendeur en présence d’un client (CollaboratorRole = {Customer}). Elle se décompose en quatre sous-tâches qui sont exécutées de la manière suivante : {SEQ(S.3_T.1.3, PAR(S.3_T.1.4, S.3_T.1.2, OPT(S.3_T.1.5)))}, on commence par S.3_T.1.3 puis ensuite on peut enchaîner avec l’une des sous-tâches « S.3_T.1.4 », « S.3_T.1.2 » et « S.3_T.1.5 », cette dernière étant optionnelle.

2 Actuellement, les scénarios sont des scénarios d’amorçage qui prescrivent de nouveaux usages du futur système « e-retail ». La conception de ces scénarios est fondée sur une approche de conception collaborative ou participative qui implique la participation active d’un grand nombre d’acteurs : concepteurs, évaluateurs, usagers, etc.

Les deux méthodes « VM1321 », « VM1322 » sont les méthodes « supplémentaires » car elles sont ajoutée à une (ou plusieurs) autre méthode. La méthode « VM1321 » a pour objet de fournir au vendeur des moyens de passer son PTA en mode supervision d’un grand écran LCD lorsque celui-ci est disponible dans l’environnement. Cette méthode est coordonnée avec la méthode « M133 » qui est conçue pour le client (Role = {Customer}) afin qu’il soit interagir avec l’écran LCD. La méthode « VM1322 » a pour objectif de fournir au vendeur une activité qui lui permet de demander une l’aide ou un conseil sur le produit ou la situation. Les méthodes « M133 » et « M134 » sont conçues pour un grand écran LCD (DeviceType = {Screen LCD}) et un client (Role = {Customer}). Elle est dédiée à l’écran LCD permettant de fournir ainsi au client des fonctions pour que le client puisse interagir et communiquer avec le vendeur en fonction de ses besoins. Tandis que la méthode « M133 » permet d’une participation d’un vendeur (CollaboratorRole = {Saleman}), la méthode « M134 » est réservée pour que le client soit tout seul devant un écran LCD.

4. MODELISATION DU CONTEXTE Il existe de nombreux travaux sur la définition de la notion de contexte dans différents domaines. Nous nous concentrons principalement sur les définitions donnant les relations entre l’environnement physique et l’activité de l'utilisateur. En effet, l’activité dans un environnement physique particulier est l’élément clé qui donne du sens aux différentes situations et permet ainsi de définir les éléments pertinents décrivant ces dernières. Parmi différentes définitions, nous présentons donc les suivantes : « learning context is used to describe the current situation of a person related to a learning activity; in addition to

Tâche d ’apprentissage

Tâche professionnelle

Tâche m ixte

Légende: S.1.3Assister la vente en

situation

M 13

Descripteur de contexte :-Role = {Salem an, C ustom er}-Location = {Shop}

S.3_T.1Préparer la vente

S.3_T.2Finaliser la vente

M 132

Descripteur de contexte: (le vendeur avec le client)-Role = {Salem an}-CollaboratorRole = {Custom er}-DeviceType ={PTA , Sm artphone}-Netw orkType = {W ifi, B luetooth}

M 131

Descripteur de contexte (le vendeur sans client)

-Role = {Salem an}-D eviceType = {PTA , Sm artphone}

-N etworkType = {W ifi, B luetooth, GM SLocation = {Shelve}}

M 133

Descripteur de contexte : (le client situe devant un grand écran LC D avec un vendeur)-Role = {Custom er}-CollaboratorRole = {Salem en}-DeviceType ={Screen LC D}-NetworkType = {W ifi, B luetooth}VM 1321

Descripteur de contexte: (un client est détecté dévant un écran LCD)-Role = {Salem an}-CollaboratorDeviceType = {Screen LC D}

S.3_T.1.3Identifier le

client

M 1321

S.3_T.1.2Réviser la connaissa

nce du produit

M 1312

S.3_T.1.11Dem ander

une in teraction

client/écran

M 1331

S.3_T.1.4Chercher le produit

correspond au client

M 1322

S .3_T.1.7Passer sur le

m ode supervisé

(fusionner le PTA avec le

LCD )

S.3_T.1.8visualiser le

tableau récapitula tif des produits sé lectionnés

S.3_T.1.9D ia loguer

avec le client sur

LCD

S.3_T.1.1Vérifier

l’in form ation sur

l’é tiquette du produit

S .3_T.1.5Installer

des produits choisis

M 1323

M 1311

S.3_T.1.12Poser des questions

au vendeur sur l’info ou les services du produit

M 1332

S.3_T.1.10Afficher les m essages

personnalisés du client

{SEQ(S.3_T.1, S .3_T.2)}

{SEQ (S.3_T.1.3, PAR(S .3_T.1.4, S .3_T.1.2, O PT(S.3_T.1.5)))}

M éthode

VM 1322

Descripteur de contexte: (un collège est en ligne)

-CollaboratorRole = {Salem an, Expert}

S.3_T.1.6Dem ander

l’a ide au collège sur le produit

{PAR(S.3_T.1.1, S .3_T.1.2)}

M éthode supplém entaire

{SEQ (S .3_T.1.7, PAR (S.3_T.1.8, S .3_T.1.9, S.3_T.1.10))}

{PAR (SEQ (S.3_T.1.11, S.3_T.1.12), S.3_T1.14}

VM 13221 VM 13211VM 13212

VM 13213 VM 13214

M 134

Descripteur de contexte : (le client situe devant un grand écran LCD sans vendeur)-Role = {Custom er}-DeviceType ={Screen LCD }-NetworkType = {W ifi, B luetooth}

S.3_T.1.13défiler un m essage

prom otionnel sur les produits et des conseils

S.3_T.1.14consulter

les in fos du produit

M 1341M 1342

{PAR(S.3_T.1.13, S .3_T.1.14)}

Figure 1. Une partie du scenario de « e-retail »

68

attributes relying on the physical world model » [24]; « information and content in use to support a specific activity (being individual or collaborative) in a particular physical environment » [25].

Dans un système d'apprentissage pervasif, un modèle de contexte doit prendre en compte les caractéristiques essentielles suivantes : dynamique et « context-as-construct ». Selon Dourish, le contexte peut être considéré comme un problème d'interaction: i) Le contexte est une propriété relationnelle qui s'établit entre des objets ou des activités; ii) Le contexte n'est pas défini à l'avance. Au contraire, le domaine des caractéristiques du contexte est défini dynamiquement; iii) Le contexte se définit à partir de l'activité. Le contexte ne peut pas être entièrement séparé de l’activité. Il est produit, maintenu et édicté activement dans l'activité [26]. Dans « Big issues in Mobile Learning », le contexte est considéré comme : « context-as-construct », c'est-à-dire « context should be reconceived as a construct that is continually created by the interaction of learners, teachers, physical settings, and social environments » et « learning not only occurs in the context, it also creates context through continual interaction » [1].

4.1 Le modèle de contexte Notre modèle du contexte est considéré comme « context-as-construct », la combinaison entre l’apprentissage formel (à l'école professionnelle) et informel (à l’extérieur, à la maison, au travail, etc.), l'intégration des dispositifs mobiles dans des scénarii pédagogiques plus large, l’apprentissage sans rupture au travers des différents contextes. Notre modèle de contexte est composé des éléments suivants: i) un ensemble de dimensions Dc, qui définit un ensemble d'éléments pertinents (représenté par un triplet) et leur structure; ii) un ensemble de Vues Vc, une vue consiste en un sous-ensemble de caractéristiques qui sont pertinentes pour un type de domaine (apprentissage et profession) et une catégorie de contenu (activité, ressource, service web) pour l'adaptation. Un processus d'adaptation ne gère pas les mêmes caractéristiques pour les différentes catégories de contenu. Pour une catégorie de contenu, ses caractéristiques et celles de la vue correspondante peuvent être appariées dans le processus d'adaptation; iii) un ensemble de situations Sc, organisées temporellement par des dépendances historiques. Une situation est une instanciation partielle du modèle du contexte, elle est composée des éléments pertinents décrivant une situation d'apprentissage ou de travail courant et son environnement physique. Une activité utilisateur peut être influencée par ses travaux antérieurs et ses activités d'apprentissage. Dès qu'une nouvelle situation se produit, la prochaine activité peut être choisie en fonction de l'historique des situations pour assurer une continuité de l’apprentissage.

Définition 1 (modèle du contexte) : Soit CM est un modèle du contexte, CM = <Dc, Vc, Sc, Pc>, Dc est un ensemble de dimensions Dc= {d1, d2, … , dn}, où n est le nombre de dimensions et di est une dimension du contexte ; Vc est un ensemble de vues du contexte Vc = {v1, v2, … , vm}, où m est le nombre de vues, vi est une vue du contexte. Chaque vi représente un groupement de propriétés de dimensions différentes en fonction de leur utilisation relative à un type de domaine, Sc est un ensemble de situations (ou l’historique des situations) Sc =< {s1, s2,… , sp},≤s >, où sp est la situation courante. Un ordre total ≤s sur Sc, où si ≤s sj implique que la situation si précède temporellement la situation sj ; Pc est un

ensemble de prédicats qui est utilisé pour gérer les situations, y compris : le changement, la détection, la création et le stockage.

Définition 2 (dimension du contexte) : Soit di est une dimension

du contexte, di ∈ Dc, >=< pi

mi

cii dddd ,, , dc

i est un ensemble de caractéristiques dont chacune est définie par un nom et un domaine, dm

i est un sous-ensemble de métadonnées du contexte associé à la dimension di qui est utilisé pour gérer la dimension di, dP

i est un sous-ensemble de prédicats. Ces prédicats utilisent les métadonnées dans dm

i et les caractéristiques des dimensions dans dc

i.

Les dimensions du contexte sont divisées en deux catégories : les dimensions abstraites et les dimensions atomiques. Une dimension abstraite peut être récursivement décomposée en sous-dimensions qui sont abstraites ou atomiques. Une dimension atomique se compose d'un ensemble de caractéristiques. Nos dimensions du contexte sont le scénario (un modèle de tâches hiérarchique ayant une paradigme tâche / méthode), l'utilisateur (un utilisateur peut être un élève, un enseignant, un vendeur, un client, etc.) avec ses sous-dimensions: le rôle, les connaissances, le savoir-faire, les préférences, carte de fidélité, les intentions d'achat, l'intention d'utilisation), le dispositif, la localisation, l'heure, les outils pédagogiques, le réseau, l'environnement physique et la ressource (objet d'apprentissage, les services , les médias, les ressources du système, etc.). La gestion d'une dimension du contexte (dimension abstraite ou atomique) est décrite par les métadonnées du contexte. Il s'agit d'un ensemble d'attributs utilisés par les prédicats.

Définition 3 (vues de contexte) : Une vue de contexte vi

= >< DTDcvi , , où cv

iD est un sous-ensemble de propriétés formé par un regroupement de certaines dimensions ou de ses caractéristiques pour décrire un point de vue sur l’utilisation du contexte relative à un domaine particulier de type DT,

ccvi DD ⊆ .

Les vues du contexte sont utilisées pour définir les différents points de vue sur l’utilisation du contexte. Par conséquent, les différentes catégories d'adaptation et stratégies d’apprentissage sans rupture sont spécifiées en conséquence. En ce moment, nous nous concentrons sur deux vues : la vue pédagogique et la vue professionnelle du contexte (voir le tableau 1). La vue pédagogique représente un contexte pour les activités d'apprentissage, la vue professionnelle représente un contexte pour les activités de travail.

Tableau 1. Une brève description des vues du contexte

Vues de contexte

Dimensions et caractéristiques

Vue pédagogique de contexte

{user(role, knowledge, how-know); learning collaborator; scenario (learning activity); pedagogical tool; learning objects; learning location (coordinate,

place); time; device (device type, screen size); network (network type, bandwidth); system resource; physical

environment } Vue

professionnel de contexte

{user(role, preference, loyalty, purchase intentions, intentions for use); organisation unit; professional

collaborator; scenario (working activity); resources; working location (coordinate, place); time; device (device type, screen size); network (network type,

bandwidth); system resource; physical environment }

69

4.2 L’apprentissage pervasif sur le lieu de travail Une situation d'apprentissage sur le lieu de travail est composée de l'environnement physique, de l'activité d’apprentissage et de travail. Plusieurs dimensions du contexte sont combinées pour décrire des différentes situations d'apprentissage pervasives. De manière formelle, une définition est donnée comme suit :

Définition 4 (situation) : Supposons si est une situation d'apprentissage pervasif au lieu de travail,

Stteees ei

siikiii >∈=< ,),,...,,( 21 définit un état complet du

contexte associant à l'ensemble des interactions entre l'utilisateur et le système d'apprentissage sur le lieu de travail dans un intervalle temporel donné. Il est spécifié par un temps de début ts

i et un temps de fin ts

j. eij est une caractéristique d’une dimension dans si. Elle est acquise de la manière suivante : détectée automatiquement par le système d'apprentissage ou par des interactions entre l'utilisateur et le système ou déduite ou générée dynamiquement par le système (fondé sur la base d’inférences ou des règles d'adaptation définies dans le modèle d'adaptation).

Une situation et son historique sont utilisés pour sélectionner et / ou poursuivre une activité au moyen du modèle de scénario.

Tableau 2. Quelques exemples partiels de situation

Description Valeurs s1 un vendeurA est dans

un magasin shopA en présence d’un client1.

<vendeurA.Role = « Saleman » ; vendeurA.dv1.DeviceType = « PTA » ;

nw.Type = « Wifi » ; loc1.place = shopA ; client1.Role = « Customer »>

s2 un vendeurA se situe dans un rayon shelve1 en présence d’un client1

<vendeurA.Role = « Saleman » ; vendeurA.dv1.DeviceType = « PTA » ;

nw.Type = « Wifi » ; loc1.place = shelve1 ; client1.Role = « Customer »>

s3 un client1 se trouve devant un grand écran LCDx sans vendeur

<client1.Role = « Customer » ; CollDevice1.DeviceType = « Screen

LCD » ; nw.Type = « Wifi » >

5. LA GESTION DU CONTEXTE Dans ce paragraphe, on ne donne qu’un bref aperçu de la gestion du contexte et de l’adaptation. La modélisation et la gestion du contexte ont notamment pour objectif de pouvoir représenter les différentes situations, de les faire évoluer en fonction des interactions des utilisateurs entre eux et avec le système d’apprentissage pervasif et les évènements provenant de l’environnement. Après toute modification de la situation courante, il est nécessaire de s’assurer que l’activité courante peut continuer de la même manière ou non, qu’il est nécessaire de changer d’activité pour reprendre celles qui sont « en suspend » ou encore d’en commencer de nouvelles à partir du scénario en cours d’exécution.

Le processus de gestion de contexte produit une nouvelle situation ou met à jour la situation courante pour maintenir la pertinence et la continuité de l'activité. Ce processus est constitué de quatre étapes principales : i) Etape 1 : Détection du changement de situation : cette étape détermine si les changements de situation mènent à la création d'une nouvelle situation ou à une mise à jour de la situation courante. Les changements peuvent venir des collaborateurs (collègues) ou des clients ou des tuteurs ou des apprenants - interactions d'utilisateur, du lieu, du réseau, des dispositif, du temps, etc. ; ii) Etape 2 : Collecte des propriétés de

la situation précédente pour créer la nouvelle situation, ceci peut être fait par une copie partielle ou complète de la situation précédente et/ou à partir du modèle de contexte (ontologie) ; iii) Etape 3 : Choix de la tâche courante : les propriétés de la dernière tâche peuvent être restaurées dans la nouvelle situation pour assurer l’activité d’’apprentissage et/ou de travail sans ruptures en analysant éventuellement les dépendances temporelles des situations passées – historiques des situations. Quand la dernière tâche est terminée, la suivante est choisie dans le scénario courant et les dépendances temporelles des situations – par exemple tâches en cours mais non terminée. Quand la dernière tâche n'est pas terminée, il faut décider s’il est possible de la continuer et comment ; iv) Etape 4: rechercher les couples (tâche, méthode) pertinents : en fonction de la situation courante et de la tâche, le processus d'adaptation doit sélectionner les méthodes pertinentes (voir la section 6.2). Le rôle principal du processus d'adaptation est de maintenir la « cohérence » entre le système d’apprentissage, l'environnement physique et la situation courante d’apprentissage ou de travail et d'assurer également la continuité des activités en cours - sans rupture.

6. L’ADAPTATION La question fondamentale dans un environnement d'apprentissage pervasif est comment fournir aux apprenants le contenu pertinent au bon moment. Par conséquent, l'adaptation est nécessaire pour tous les types d'activités d'apprentissage dans les environnements d'apprentissage pervasifs [10]. Actuellement, nous nous concentrons sur des mécanismes d’adaptation dédiés aux scénarios : comment réaliser une activité en fonction de la situation courante, ou en d'autres termes comment sélectionner les méthodes pertinentes pour une tâche donnée. Les enjeux principaux sont l'apprentissage et le travail sans rupture et la gestion dynamique de l'adaptation. Nos scénarii actuels ne sont pas suffisamment détaillés pour nous permettre de définir des stratégies précises afin d’étudier l'apprentissage et le travail sans rupture. Par conséquent, nous nous sommes principalement focalisés sur la gestion dynamique de l'adaptation. Comme le contexte est dynamique, il n'est pas possible de savoir à l'avance comment la situation suivante sera structurée. En d'autres termes, il n'est pas possible d'anticiper l'ensemble des caractéristiques qui composent les différentes situations. Du point de vue de la gestion de l'adaptation, il est nécessaire de déclencher des règles en utilisant le descripteur de contexte qui est défini a priori et l’ensemble des éléments de situation qui peuvent être inattendues - pas connus à l'avance. Par conséquent, il n'est pas possible de définir des règles pour chaque configuration d’une situation.

Comme dans le projet européen Mobilearn [27], nous associons des métadonnées spécifiques aux propriétés de situation et / ou à des dimensions pour la gestion de l’adaptation. Par conséquent, les propriétés d’une situation sont divisés en deux catégories: permanentes et transitoires. Les propriétés décrivant les scénarios et les utilisateurs sont disponibles dans toutes les situations. Ce sont des propriétés permanentes dans une situation. Il est donc possible de les gérer comme auparavant, car ils sont connus a priori. Les autres propriétés sont transitoires. Pour elles, il est nécessaire d'analyser comment chaque propriété contribue à l'adaptation de contenu - sélection de méthode - en fonction de son rôle dans le processus d'adaptation. Certaines d'entre elles sont utilisées pour filtrer le contenu, tandis que d'autres sont utilisées pour classer ou annoter – filtrage. Le classement et

70

d'annotation sont des techniques d’adaptation. Par exemple, les méthodes peuvent être filtrées en fonction des lieux d'apprentissage ou des dispositifs utilisés tandis qu'elles sont annotées en fonction des connaissances et du savoir-faire ou de la préférence de l’utilisateur. Dès que les caractéristiques sont utilisées pour filtrer les méthodes d’apprentissage et de travail, il est facile de les gérer. En d'autres termes, la présence d’une caractéristique transitoire peut filtrer ou non une méthode. Actuellement, toutes les caractéristiques transitoires sont utilisées pour filtrer.

6.1 Les principes de l’adaptation Le processus d'adaptation est spécifié pour un type de ressource et une catégorie adaptation. Les trois étapes du processus d'adaptation sont présentées dans la figure 2.

Ces trois étapes sont les suivantes : i) l'évaluation / classement: le contenu est classé en fonction de la situation courante dans plusieurs classes d'équivalence : deux classes {« Good », « Bad »} pour chaque caractéristique transitoire et jusqu'à cinq classes d'équivalence pour tous les caractéristiques permanentes {« VeryBad », « Bad », « ToConsider », « Good », « VeryGood »}. Le contenu appartient à une classe d’équivalente si elle satisfait à ses règles d’appartenance; ii) Filtrage : tous les contenus appartenant à la classe « Bad » selon une caractéristique transitoire sont filtrés. En d'autres termes, ces contenus sont éliminés. Par exemple, avec la dimension « réseau », la classe « Good » est considérée comme pertinente alors que la classe « Bad » ne l’est pas. Le système élimine donc la totalité du contenu qui appartient à la classe « Bad » ; iii) Navigation Adaptative: une technique d’adaptation peut être choisie par le système ou par l'utilisateur en fonction de la décision d'un auteur. Toutes les méthodes appartenant à la même classe d'équivalence sont traitées de la même manière. L’annotation et le tri sont traités en fonction de l’ordre total des classes d’équivalence. Pour le masquage, les seules méthodes appartenant à la classe « Good » sont conservées.

6.2 L’adaptation de scénario Le processus d'adaptation du scénario se compose de deux étapes. Tout d'abord, les caractéristiques transitoires de la situation sont prises en compte. Pour une tâche donnée, le processus d'adaptation choisi les méthodes les plus pertinentes.

Pour la première étape, soit ti est la tâche courante, Mi = {mi1, mi2,… , mik} est l'ensemble des méthodes de ti, cdij est le descripteur de contexte de la méthode mij, s est la situation courante. En appliquant le processus d'adaptation, l’adaptation des méthodes est spécifiée comme suit : 1) l'ensemble des contenus sélectionnés pour l’adaptation est Mi, toutes les dimensions du contexte de cette catégorie d’adaptation possèdent le même ensemble de classes équivalentes {« Good », « Bad »}. 2) Toutes les méthodes mij, i= 1..k, pour lesquelles les caractéristiques de la

situation courante s et de l'utilisateur s’apparient à celles du descripteur de contexte cdij (ou « appartenir à » une valeur pour les multiples-valeurs), appartiennent à la classe « Good » et les autres appartiennent à la classe « Bad ». 3) Si la classe « Good » est vide, il s’agit d’une situation problématique et le concepteur devrait fournir une nouvelle méthode et un contexte adapté à l'utilisateur et à la tâche ti. Sinon, toutes les méthodes, appartenant à la classe « Good », peuvent être fournies à l'étape suivante.

Pour la deuxième étape, les méthodes pertinentes sont évaluées et classées en fonction des règles d’appartenance utilisant les caractéristiques permanentes. Une technique d’adaptation peut être ensuite choisie par l’utilisateur ou par le système. Pour l’annotation et le tri, ces méthodes sont annotées ou triées en fonction de leur classe d’équivalence. Pour le masquage, seules les méthodes appartenant à la meilleure classe (« Good » ou « VeryGood » en fonction du nombre de classes d’équivalence) sont fournies à l’utilisateur. L’utilisateur choisit l’une d’entre elles pour réaliser la tâche.

Par exemple, supposons que la tâche courante ti soit « S.3_T.1 », alors ses méthodes sont Mi = {« M131 », « M132 », « VM1321 », « VM1322 », « M133 », « M134 »}. Avec la situation courante s1 (voir le tableau 2), après application du processus d’adaptation, la méthode « M132 » appartient à la classe « Good », elle est donc pertinente pour réaliser la tâche « S.3_T.1 ». Avec la situation courante s2, les deux méthodes « M131 » et « M132 » sont pertinentes. Dans ce cas-ci, les deux méthodes n’ont pas de caractéristiques permanentes. Actuellement, le « vendeurA » peut choisir l’une de ces méthodes pour exécuter la tâche « S.3_T.1 ». Soit il reste dans le rayon (choix de la méthode « M131 ») soit il commence à interagir avec un client pour la vente (choix de la méthode « M132 ») avec son PTA.

7. CONCLUSION Nous avons proposé un modèle d’adaptation et de contexte, ainsi qu’un modèle de scénario fondé sur un modèle de tâches hiérarchiques muni du paradigme tâche / méthode pour un système d'apprentissage pervasif et supporter les activités d'apprentissage et de travail. Ce modèle nous permet de sélectionner dynamiquement comment réaliser des activités en fonction de la situation courante. En d'autres termes, les méthodes sont choisies dynamiquement en fonction de la situation courante. L’intégration des dispositifs mobiles dans des scénarios d’apprentissage et de travail plus large, l'apprentissage formel et informel et la gestion de l'apprentissage sans rupture au travers des contextes sont réalisés par le modèle de scénario et le processus d'adaptation en utilisant le modèle de contexte. Notre modèle de contexte et le processus d'adaptation permettent de gérer des contextes dynamiques – « context-as-construct » - par le biais des caractéristiques transitoires et permanentes de la situation (elles sont gérées de manières différentes). Actuellement, l’enjeu suivant n’a pas vraiment été résolu : l’apprentissage sans rupture au travers des contextes de travail n’est géré que de manière limitée. Nos scénarii actuels ne sont pas suffisamment détaillés pour nous permettre de définir des stratégies précises pour faire face à l'apprentissage et le travail sans rupture. Nos modèles de contexte et de scénario ont les propriétés nécessaires à la gestion de l'apprentissage sans rupture (historique des situations). Mais nous avons besoin d'étudier en profondeur nos scénarios afin d'établir des règles capables de

MetadataIndexing

Content:Methods Filtrage

Situation

EvaluationClassification

Adaptation Principles

Figure 2. Principes de l’adaptation

71

gérer l’apprentissage sans rupture. Comme nos scénarios sont limités, nous devons également étudier en profondeur nos stratégies d'adaptation pour gérer les contextes dynamiques.

8. REFERENCES [1] Balacheff, N., 10 issues to think about the future of research

on TEL. Les Cahiers Leibniz, Kaleidoscope Research Report, 2006(147).

[2] Lyytinen, K. and Y. Yoo, Issues and challenges in ubiquitous computing. SPECIAL ISSUE: Issues and challenges in ubiquitous computing, 2002. 45(12).

[3] Hundebol, J. and N.H. Helms, Pervasive e-Learning - In Situ Leaning in Changing Contexts. 2006.

[4] Sharples, M., Learning As Conversation: Transforming Education in the Mobile Age, in Proceedings of Conference on Seeing, Understanding, Learning in the Mobile Age. 2005: Budapest, Hungary. p. 147-152.

[5] Siobhan, T. Pervasive Scale: A model of pervasive, ubiquitous, and ambient learning. in An International Workshop on Pervasive Learning, in conjunction with Pervasive 2007. 2007. Toronto, Ontario, Canada.

[6] Derycke, A., V. Chevrin, and T. Vantroys. P-Learning and e-retail: a case and a flexible Sotware Architecture. in Pervasive Learning 2007, an International Workshop on Pervasive Learning. 2007. Toronta, Ontario, Canada: Cnter for Mobile Computing, Massey University, New Zealand.

[7] Ogata, H. and Y. Yano, Supporting Knowledge Awareness for a Ubiquitous CSCL, in World Conference on E-Learning in Corporate, Government, Healthcare, and Higher Education 2003, G. Richards, Editor. 2003, AACE: Phoenix, Arizona, USA. p. 2362-2369.

[8] Brodersen, C., et al., eBag: a ubiquitous Web infrastructure for nomadic learning, in Proceedings of the 14th international conference on World Wide Web. 2005, ACM Press: Chiba, Japan.

[9] Sharples, M., Big Issues in Mobile Learning: Report of a workshop by the Kaleidoscope Network of Excellence Mobile Learning Initiative. . 2006, LSRI, University of Nottingham.

[10] Bomsdorf, B. Adaptation of Learning Spaces: Supporting Ubiquitous Learning in Higher Distance Education. in Mobile Computing and Ambient Intelligence: The Challenge of Multimedia. 2005. Dagstuhl Seminar Proceedings.

[11] Jones, V. and J.H. Jo. Ubiquitous Learning Environment: an Adaptive Teaching System using Ubiquitous Technology. in ASCILITE. 2004. Perth, Australia.

[12] Farmer, J., et al. AD-HOC - Work-integrated Technology-supported Teaching and Learning. in 5th conference on Organisational Knowledge, Learning and Capabilities. 2004. Innsbruck, Austria.

[13] Trichet, F. and P. Tchounikine, DSTM: a Framework to Operationalize and Refine a Problem-Solving Method modeled in terms of Tasks and Methods. International Journal of Expert Systems With Applications, Elsevier Science, 1999. 16: p. 105-120.

[14] Wielinga, B., et al., The KADS Knowledge Modelling Approach, in Proceedings of the 2nd Japanese Knowledge Acquisition for Knowledge-Based Systems Workshop, R. Mizoguchi and H. Motoda, Editors. 1992: Hitachi, Advanced Research Laboratory, Hatoyama, Saitama, Japan. p. 23-42.

[15] Willamowski, J., F. Chevenet, and J.M. François, A development shell for cooperative problem-solving environments. Mathematics and computers in simulation, 1994. 36(4-6): p. 361-379.

[16] Ikeda, M., K. Seta, and R. Mizoguchi. Task Ontology Makes It Easier To Use Authoring Tools. in IJCAI. 1997.

[17] Betbeder, M.-L. and P. Tchounikine. Structuring collective activities with tasks and plans. in IEEE International Conference on Advanced Learning Technologies (ICALT'2003). 2003.

[18] Choquet, C., et al. Modelling Knowledge-Based Components of a Learning Environment within the Task/Method Paradigm. in Intelligent tutoring Systems, ITS'98. 1998. San Antonio (USA).

[19] Ullrich, C., Course generation based on HTN planning, in Proceedings of 13th annual Workshop of the SIG Adaptivity and User Modeling in Interactive Systems, J. A. and B. B., Editors. 2005. p. 75-79.

[20] Garlatti, S., S. Iksal, and P. Tanguy, SCARCE: an Adaptive Hypermedia Environment Based on Virtual Documents and Semantic Web, in Adaptable and Adaptive Hypermedia Systems, S.Y. Chen and G.D. Magoulas., Editors. 2004, Idea Group Inc. p. 206-224.

[21] Delotte, O., B. David, and R. Chalon. Task Modelling for Capillary Collaborative Systems based on Scenarios. in TAMODIA. 2004. Czech Republic: ACM NY, USA

[22] Scapin, D.L. and E.L.-C. Law, K-MADe: Review, Report and Refine Usability Evaluation Methods (R3 UEMs), in COST294-MAUSE 3rd International Workshop. 2007: Athens.

[23] Tetchueng, J.L., S. Garlatti, and S. Laubé, A Context-Aware Learning System based on generic scenarios and the theory in didactic anthropology of knowledge. International Journal of Computer Science and Applications, 2008(Special Issue on New Trends on AI Techniques for Educational Technologies): p. To appear.

[24] Derntl, M. and K.A. Hummel. Modeling Context-Aware E-learning Scenarios. in Pervasive Computing and Communications Workshops, 2005. PerCom 2005 Workshops. Third IEEE International Conference on. 2005.

[25] Kurti, A., et al. Designing and implementing ubuquitous learning activities supported by mobile and positioning technologies. in the Ninth IASTED International Conference computers and Advanced Technology in Education. 2006. Lima, Peru.

[26] Dourish, P., What we talk about when we talk about context. Personal Ubiquitous Comput., 2004. 8(1): p. 19-30.

[27] Lonsdale, P. and R. Beale, Towards a dynamic process model of context. 2004, To appear in Proceedings of Ubicomp 2004 workshop on Advanced Context Modeling, Reasoning and Manage.

72